3690 ورقة بحثية
تقدم هذه الورقة البحثية \textit{AudioHijack}، وهو إطار عمل ينجح في اختطاف النماذج اللغوية الصوتية الكبيرة عبر توليد مطالبات صوتية عدائية غير مرتبطة بالسياق وغير محسوسة تتجاوز حواجز التجزئة (tokenization) وتستحث سلوكيات غير مصرح بها عبر نماذج متنوعة ووكلاء صوتيين في العالم الحقيقي.
يُعد EdgeDetect نظاماً فعالاً في الاتصالات ومحافظاً على الخصوصية للكشف عن التسلل عبر التعلم الاتحادي لشبكات 6G-IoT، حيث يجمع بين ثنائية التدرج القائمة على الوسيط وتشفير "بايلي" المتماثل لتحقيق دقة بنسبة 98% مع تقليل حركة مرور البيانات الصاعدة بنسبة 96.9% والدفاع ضد هجمات الاستدلال والتسمم.
تقدم هذه الورقة إطار عمل "القدرة المتغيرة الطبقية" لتحليل الوكلاء المستمرين والمعدلين لذواتهم، محاجةً بأن خطر الحوكمة الأساسي لا يكمن في عدم التوافق المفاجئ، بل في تراكم التحديثات المعقولة محلياً لتتحول إلى انحراف سلوكي غير مصرح به، وهي ظاهرة تم إثباتها تجريبياً من خلال تجربة "الترس" (ratchet experiment) التي أظهرت تباينًا ملحوظًا في التلاكؤ الهوياتي.
تقدم هذه الورقة طريقة استقصاء تماسك على مستوى القطعة (segment-level) تعمل على تجميع رموز أدلة متعددة للكشف بقوة عن النوايا الضارة المتعلقة بالمواد الكيميائية والبيولوجية والإشعاعية والنووية (CBRN) في النماذج اللغوية الكبيرة، مما يقلل بشكل كبير من الإيجابيات الكاذبة ويحافظ على دقة كشف عالية حتى ضد عمليات كسر الحماية التكيفية والتمويه على مستوى الحروف.
تقترح هذه الورقة بروتوكولات تقاطع المجموعات الخاصة الضبابية عالية الكفاءة لمقاييس مسافة تستفيد من دوال التشفير العشوائية القابلة للبرمجة والمنسية ذات الحصص السرية وتقنية البادئة لتحقيق تعقيد خطي والتفوق بشكل كبير على البناءات الحالية في كل من وقت التشغيل وتكلفة الاتصال.
تقدم هذه الورقة هجوماً للتحقق من عكس التدرج (VGIA) في التعلم الاتحادي، يتغلب على قيود الأساليب الحالية في البيانات الجدولية باستخدام نهج هندسي وجبري لإثبات الاسترداد الدقيق لسجلات التدريب الفردية دون الاعتماد على الفحص البشري.
تقدم هذه الورقة مسحاً شاملاً ورؤية استشرافية حول التحقق الأمني القائم على المحاكاة للأنظمة على شريحة (SoC)، حيث تستعرض المنهجيات الحالية، والتحديات، والفرص الناشئة لمعالجة أوجه القصور في المحاكاة التقليدية عند التحقق من أمن الأجهزة تحت أعباء عمل واقعية.
يُعد FedIDM إطار عمل للتعلم الاتحادي متين ضد هجمات بيزنطية، حيث يحقق تقارباً سريعاً ومستقراً مع الحفاظ على فائدة النموذج تحت الهجمات الخبيثة الكبيرة من خلال استخدام مطابقة التوزيع التكراري لتوليد بيانات مكثفة موثوقة لتحديد وتصفية تحديثات العملاء غير الطبيعية.
إنَّ NFTDELTA هو إطار عمل للتحليل الساكن يستخدم التعلم متعدد الرؤى لدمج ميزات التسلسل والرسوم البيانية للكشف عن ثغرات التحكم في الأذونات في عقود NFT، محققاً دقة عالية وقابلية للتوسع في تحديد العيوب الأمنية الحرجة عبر المجموعات الشهيرة.
تقدم هذه الورقة تسلسلاً هرمياً للتحقق من أربع مراحل قابلًا للتوسع يوسع نطاق تحليل التغطية (masking) من الدرجة الأولى السليم ليشمل مسرعات التشفير لما بعد الكوانتوم على نطاق الإنتاج، مما نجح في تقليص متطلبات المراجعة اليدوية لشريحة ML-KEM/ML-DSA المكونة من 1.17 مليون خلية من مئات الأعلام الهيكلية إلى 165 مرشحاً معتمداً رياضياً.